Variabel LDR memilki nilai terendah minimum sebesar 19,13 dan nilai tertinggi maksimum sebesar 113,06. Sementara
standar deviasinya σ sebesar 19,95 lebih kecil dibandingkan dengan nilai rata-rata mean sebesar 69,96.
Semakin besar nilai standar deviasi maka semakin besar kemungkinan nilai riil menyimpang dari yang diharapkan. Jika data memiliki standar deviasi yang
lebih besar dari rata-ratanya, maka di dalam data tersebut terdapat outlier data yang terlalu ekstrim. Outlier adalah data yang memiliki karakteristik unik yang
terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim. Data-data outlier tersebut biasanya akan mengakibatkan
tidak normalnya distribusi data.
4.3 Uji Asumsi Klasik
Sebelum dilakukan pengujian regresi linier berganda terhadap hipotesis penelitian, maka terlebih dahulu perlu dilakukan suatu pengujian untuk
mengetahui ada tidaknya pelanggaran terhadap asumsi-asumsi klasik. Hasil pengujian hipotesis yang baik adalah pengujian yang tidak melanggar asumsi-
asumsi klasik yang mendasari model regresi linier berganda. Asumsi-asumsi klasik dalam penelitian ini meliputi uji Normalitas, uji Multikoliniearitas, uji
Heteroksiditas, dan uji Autokorelasi
4.3.1 Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk
lonceng. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal, yakni distribusi data tersebut tidak menceng ke kiri atau
Universitas Sumatera Utara
menceng ke kanan Situmorang, et al, 2010: 91. Metode yang dapat dipakai untuk menguji normalitas antara lain: analisis grafik, analisis statistik dan uji
Kolgomorov-Smirnov.
Dari Gambar 4.1 terlihat bahwa pola distribusi mendekati normal, karena data mengikuti arah garis garifk histogramnya. Dari Gambar 4.2 Normal
Probability Plot di atas menunjukkan bahwa data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal dan menunjukkan pola distribusi
normal, sehingga dapat disimpulkan bahwa asumsi normalitas telah terpenuhi.
S umber :
Hasil Penelitian, 2013 Data diolah
Gambar 4.1 Grafik Histogram
S umber :
Hasil Penelitian, 2013 Data diolah
Gambar 4.2 Normal P-Plot
Universitas Sumatera Utara
Untuk mendapatkan uji Normalitas yang lebih signifikan maka peneliti juga menggunakan uji statistik non parametrik Kolmogrov-Smirnov. Pada Tabel 4.2
diperoleh Asymp-sig 2-tailed sebesar 0,854 lebih besar dari nilai signifikan yaitu 0,05. Maka dapat disimpulkan variabel residual berdistribusi normal.
Tabel 4.2 Tabel uji Kolgomorov-Smirnov LDR
Sumber:
Hasil Penelitian, 2013 Data diolah
4.3.2 Uji Multikolinearitas
Uji
multikolinieritas
bertujuan untuk mengetahui apakah model regresi ditemukan adanya korelasi antar variabel independen. Tabel 4.3 menunjukkan tidak
adanya gejala multikolinearitas, dimana melalui hasil uji nilai VIF
Variance Inflation Factor kurang dari 5 VIF 5 dan nilai tolerance lebih besar dari 0,1
tolerance 0,1. Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya.
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 156
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 16.48182997
Most Extreme Differences Absolute
.049 Positive
.049 Negative
-.038 Kolmogorov-Smirnov Z
.608 Asymp. Sig. 2-tailed
.854 a. Test distribution is Normal.
b. Calculated from data.
Universitas Sumatera Utara
Tabel 4.3 Tabel Analisis Multikolinearitas
4.3.3 Uji Heteroskedastisitas
